ATLAS——对抗性机器学习威胁矩阵＜案例研究一＞

前言

接续上篇：
Adversarial ML Threat Matrix——对抗性机器学习威胁矩阵＜简介＞
本篇<案例研究>将一起学习探讨至发布时间更新的技术案例研究。
并且，原名称Adversarial ML Threat Matrix的对抗性机器学习威胁矩阵现已经在官网更新上线啦，ATLAS全称Adversarial Threat Landscape for Artificial-Intelligence Systems。故以后文章标题都不再采用Adversarial ML Threat Matrix会简写为ATLAS。

Evasion of Deep Learning detector for malware C&C traffic

  
针对恶意软件 C&C 流量的深度学习检测器规避¹：

案例摘要

  Palo Alto Networks Security AI 研究团队测试了一个深度学习模型，用于检测 HTTP 流量中的恶意C&C流量。该模型基于论文《URLNet: Learning a URL Representation with Deep Learning for
Malicious URL Detection》，在生产模型相似的数据集上进行了训练，可以达到与之相似的性能，并构造对抗样本、通过查询模型结果相应地调整对抗样本，直到模型被绕过。

矩阵映射

侦察（Reconnaissance）

1. 从开源论文中确定一种基于机器学习的恶意 URL 检测方法作为代表性方法和潜在攻击目标。
2. 获取与目标生产系统相似并具有代表性的数据集。

在线绕过（Online Evasion）

1. 生成样本：

• 该团队使用了约 3300 万个良性和 2700 万个恶意 HTTP 包头数据对模型进行了训练。
• 评估显示，平均真阳性率约为 99%，假阳性率约为 0.01%。
• 使用来自标签为（已知）恶意C&C流量样本的 HTTP 包头测试模型被检测为具有高置信度 (> 99%) 的恶意性。
• 攻击者通过从数据包头中删除通常不用于 C&C 通信（例如缓存控制、连接等）的字段来制作绕过样本。
• 利用精心制作的样本，攻击者对基于 ML 的间谍软件检测模型进行了在线绕过。精心制作的数据包以 >80% 的置信度被确定为良性。

2. 在线绕过:

• 该评估表明，对手能够通过制作被 ML 模型错误分类的样本来绕过先进的 ML 检测技术。
  

图一 案例一矩阵映射

论文通读与细节

URLNet: Learning a URL Representation with Deep Learning for
Malicious URL Detection
  
URLNet:使用深度学习URL表征，用于恶意URL检测

摘要

  传统方法会使用黑名单，但弊端是难以覆盖全面，也不能及时检测出新生成的恶意url。当前比较流行的机器学习类检测方法有：使用词袋提取URL字符串的字段特征属性，再上诸如支持向量机（SVM）这类模型，专家再设计有针对的特征来优化模型。以上方法的局限性有：
  （1）简单词袋分词模型无法捕捉语义以及语序模式。
  （2）需要大量人工工作进行特征工程。
  （3）不能处理不可见的特征，难以泛化测试集数据。
  URLNet则是一个基于DL使用非线性编码方式的检测模型，使用了CNN联合优化框架来学习URLEmbedding。该模型的优势在于可以捕获到URL中的几种语义信息，并且可以解决出现较多罕见词问题。

一、介绍

  传统方法通过爬取专门记录钓鱼url的网站数据来构建黑名单，这类网站如PhishTank（2022-02-17现已暂时停止开放注册新用户）。传统方法优势有：速度快，误报低，数据库查询技术简单，但劣势明显：严重依赖于情报与数据的实时性，对于每天都会新产生的url，这种侦察永远处于被动状态。故使用机器学习的方法，来尝试解决上述问题。
  模型提取的特征有：词汇（lexical）、主机（hostbased）、内容（content）、上下文（context）、流行度（popularity），其中词汇特征是常用、且最易获得，表现最好的，该特征包含了诸如url长度、标点数量、字符字母数字分布、出现单词类型等统计特性。基于主机名的特征，包含了IP、地理位置、WHOIS等信息。内容特征主要指需要进行访问或下载的动作后获得的内容，如HTML、JS的特征。上下文与流行度特征主要考察该url在社交媒体上共享的排名或人气分数。再使用词袋模型，用支持向量机等算法（作为基线模型），完成训练。虽然简单基于机器学习可以达到检出新url的效果，但仍有局限性：无法捕获语义及语序；需要大量专家经验特征工程（如：n-gram的n值）；不能捕获“不可见”的特征；词量大时引发内存问题。
  而该论文使用字母与单词级别联合优化的方法，很好的解决了以上的问题，作者们有大量的实验分析与消融实验佐证，拥有良好的泛化能力。

二、恶意URL监测

1.问题提出

  解决问题：二分类
  输入对象：URL字符串—— $u_i,i=1,\dots ,t$
  输出类别：恶意/非恶意—— $y_i\in \{-1,+1\}$
  步骤框架：
  （1）样本提取特征，转换为n维特征空间表示：
    $u_i\to x_i,x_i\in R^n$
  （2）学习函数映射：（本文即CNN框架）
    $f：R^n\to R$
  （3）定义并最小化损失函数：
    ${\sum }_{i=0}^T{I}_{{\hat{y}}_t\ne y_t}({\hat{y}}_t=sign(f(x_t)))$

2.词汇特征

  为何需要语序特征及其解释？
  例如：检测出“com”是出现在特定位置（顶级域名)，还是路径中。
  除了之前提出的诸多问题，传统模型（e.g.SVM）还存在训练集中稀有词难以被利用到；重新训练对于新词实现特征化会不断增加模型和特征维度的大小。

三、DL模型：URLNet

1.基于深度学习的恶意URL检测

  接续上述问题，进行建模，对于初始化可以选择随机（当然也可以使用其他词集进行预训练）。
  定义符号：样本数量为t，初始输入n维特征，给定url长度L，矩阵$R^{t\times n}$，卷积滤波器filter：$W^{h\times n}$（注意kernel和filter的区别），偏置bias：$b_i$，非线性激活函数$f$，卷积输出$c$。
  数据预处理：短于L进行填充（padded），长于L进行剪裁（truncated）
  $T=x_1\oplus x_2\oplus \dots \oplus x_t$
  $c_i=f(W\otimes x_{i:i+h-1}+b_i)$
  $c=[c_1,c_2,\dots ,c_{t-h+1}]$
  卷积后输入池化层（可选最大池化/平均池化法），用于识别重要特征并降维。多个filters的不同长度h作为超参数，可以自己设置，池化后的输出将接入全连接层进行分类，并使用随机梯度下降开始反向传播训练网络。
  URLNet使用了两个CNN网络，一个是字母级（character-level）CNN，一个是单词级（word-level）CNN。

图二 URLNet架构

2.字母级（character-level）CNN

  目标：学习字母出现顺序
  步骤：
  （1）在数据集中定义特殊字符
  （2）在语料库中出现频率小于某一阈值k的字符，将用“”替换。
  （3）不够长度的url样本将用“”填充。
  参数设置：阈值长度设置为了200，特征维度n=32，则样本空间为;$u_i\to x_i,x_i\in R^{k\times n}$，filter-h：h=3，4，5，6，filter通道数：256。
  模型特点：
  （1）由于字符数量一定，模型大小不会像基于单词的模型那样随数据量一同增长。
  （2）自然地字母级模型忽略单词边界，无法获取到单词维度的信息（e.g:恶意url有可能通过微调几个单词，来模仿正常url，而filters很可能对相似的拼写产生相似的输出）。

3.单词级（word-level）CNN

单词级（word-level）CNN

  步骤：
  （1）从训练数据中定义生成语料库。
  （2）使用了特殊字符作为单词的分隔符。在语料库中出现频率小于某一阈值k的词，或不可读的单词，将用“”替换。
  （3）不够长度的url样本将用“”填充。
  （4）最后经过池化、全连接层，作为一个分支输出。
  参数设置相同：阈值长度设置为了200，特征维度n=32，则样本空间为;$u_i\to x_i,x_i\in R^{k\times n}$，filter-h：h=3，4，5，6，filter通道数：256。
  模型特点：
  大小会随数据量增加，对内存造成压力，使用替换缓解。

特殊符号视作单词处理

  提出原因：在恶意URL检测的场景中，比起其他NLP使用的场景，特殊字符在上下文中出现的更频繁、有关联性，且URL不是自然语言的语义语法，文章认为这部分的信息增益显著，不能过滤掉。
  使用该方法可减缓丢失的信息：
  （1）特殊符号的分布、类别
  （2）特殊符号附近词语的时序关系

基于 字符嵌入 优化 词级嵌入

  提出原因：上述未经优化的纯词嵌入模型无法有效嵌入新词、因内存问题无法使用稀有词。
  字符嵌入矩阵：$E{M}_c\in R^{L_1\times k}$
  字符->填充/剪裁->$L_2=20$
  词级嵌入矩阵：$E{M}_w\in R^{L_2\times k}$
  URL嵌入矩阵：$UR{L}_w\in R^{L_2\times k}$、$UR{L}_{cw}\in R^{L_2\times k}$
  详情实现见图二、图三及源码解析部分

4.CNN结构

  如图三所示，原始输入数据将被两个分支（字母级、单词级）处理，并分别卷积、池化，进入全连接层（dropout+正则化）通过激活函数后，输出到分类器，最后用反向传播对模型进行优化。

图三 URLNet参数配置

四、实验

1.大规模数据集

数据收集

  数据集来源：VirusTotal
  VirusTotal提供服务：包含64份黑名单（如网络犯罪、诈骗、BitDefender、谷歌安全浏览器等），输入URL后，会返回该URL在多少份黑名单中有记录。
  数据集构建：如果在VirusTotal的64份黑名单中没有记录，则标记该URL为良性（Benign）。若URL被黑名单记录的数量越多，则认为该URL为恶意的置信度越高。超过于五份黑名单出现的URL被标记为恶意（Malicious）；小于五份的URL会被丢弃，不纳入数据集中。文章爬取了2017.5~2017.6的所有URL记录，并进行了去重操作。最终数据集，恶意URL占比6%，良性URL占比94%。为减少偏差，各域名的占比率被控制在5%以下。数据集项根据爬虫查询的时间戳排列，以此来训练时避免前窥偏差（look-ahead bias），排序后从前60%的URL随机选取500万条进行训练，从后40%中选取1000万条进行测试。

图四 数据集情况

特征提取

  两个模型中，仅单词级CNN需要构建字典，以词袋模型的方式提取特征，文章还根据专家经验选取了以下特征：

特征	描述
UCT（URL Component Tokenization）	URL组成部分：包含主域名、路径、令牌、顶级域名，可以获取到语序特征。
PSB（Position Sensitive & Bi-grams）	词位敏感度与二元组 ：对主域名、路径使用二元组模型提取，{X}用于标识token位置，如：domain{1}、path{2}。
Character Tri-grams	字母三元组 ：使用长度为三个字母的滑动窗口生成，解决恶意URL的伪装问题，并根据参考文献，只提取参数名称，将参数值丢弃。
其他	URL长度、主机名长度、URL的‘.’数量
基线	字母熵、字符连贯率、数字占比

  由图五，我们可以看见特征总量非常大，并且随着数据集变大而不断增加。其中advanced BoW代表使用n-grams提取的特征，Basic BoW代表传统分词方法提取的特征。

图五 特征数量与大小随数据集大小变化

词频分布

  由图六，我们可以发现，有近90%的单词在训练集语料库中只出现了一次，证明90%的词都可以定义为“罕见词”，在大规模数据集中不舍弃会引起内存问题，比如词嵌入时，k=32，嵌入矩阵参数将超过1.5亿。所以字母级就可以将这些无法存储的单词嵌入进行表示，并可以获得每个单词更细粒度的信息。

图六 词频分布

2.URLNet评测指标

实验条件与基线设置

  基线模型：LibLinear L1-regularized L2-loss SVM，分别对上述图五的五类特征数据集（1.Whole URL BoW  2.UCT  3.PSB  4.Character Tri-grams  5.Combined）做训练，也对比了单一字母级、传统单词级CNN模型。比较指标有：ROC-AUC、TPR、FPR。
  文章使用tensorflow、kerasu框架实现，参数设置为：
  （1）优化器：Adam
  （2）卷积层 Dropout rate：0.5

结论

  基线模型显示了UCT特征比Whole URL BoW方式更有效，并且所有特征结合的Combined数据训练效果最好，也显示了URLNet可以比基线模型更好捕捉语义和结构信息。

图七 ROC曲线   由图八所示，总体可以观察到当训练数据量上升，最终的效果也整体得到提升。

图八 URLNet与基线对照的实验数据

3.消融实验

  我们可以看到在单词级CNN“特殊符号视作单词处理”、“基于字符嵌入优化词级嵌入”部分，总体提高了AUC值。在FPR值更小时存在一些偏差，最原始的单词级CNN模型可以达到更高的TPR，当数据集量更大时，问题暴露得更明显。文章认为这两项处理使得单词级CNN的表现向字符级靠近，从而导致了该问题，并在两者结合URLNet(FULL)模型也体现了。
  总体来说，URLNet(FULL)模型还是优于单一级别的CNN。

图九 消融实验结论——各组件的信息增益

4.可视化

  此处使用随机采样了恶意、良性URL样本各1000条。URLNet模型采用了中间分支连接层【Concatenated Char and Word
feature vector layer】的输出（维度：1024），基线模型提取特征向量（维度：14604），绘图采用了t-SNE方法进行降维可视化。
  对比图十、图十一可见，URLNet模型类间离散的效果较好，决策面清晰，而基线模型类间重叠部分较多。

图十 URLNet方法分支连接层可视化

图十一 基线三元组方法可视化

  为观察类内聚集簇物理解释，作者对数据进行词汇特征模式标注（黑色符号）。

图十二 URL词汇模式与样本示例

五、相关工作

1.用于恶意URL检测的表征

  作者罗列了参考文献中，有价值的几类特征（上文也叙述过了）：黑名单、词汇、基于主机、内容、基于上下文、流行度。传统方法有其劣势，比如内容特征的获取需完成下载或访问动作，虽然能近乎无误进行人工分类，但速度慢、并且风险大，开销大。
  关于词汇特征，除了上述说的简单统计特性，还有其他高级表征Kolmogorv复杂度、抗混淆特征、url内部自关联特征等，但这些特征需要大量专家经验和特征工程，无法应用于大规模数据集。

2.深度学习

  使用DL的优势就在于模型可以自动地从非结构化的原始数据中学习特征，故URLNet可以免去繁复的特征工程直接学习原始URL的表征。对比其他模型框架，如LSTM无法解决梯度消失、梯度爆炸的问题，所以满足恶意URL检测场景的模型较少，作者对比另一只用字母级CNN模型进行检测的工作，得出URLNet这种联合优化框架更具优势。

六、结论

  文章提出了字母级、单词级CNN联合优化的网络框架，以及专门针对恶意URL检测场景的词嵌入技术，使得不需要任何人工特征提取以及专家经验，就可以实现非常好的检出效果。

笔者总结：在通读介绍中，保留了原文的行文结构，摘取了重要的信息以及逻辑推导思路（原文很多翻来覆去在那讲的东西，像极了凑字数的我（大误））、演算及实验过程。模型使用了文本熵的方法，并且“缝合”了两种细粒度的CNN以达到最好的效果，其实我们看到实验数据，训练好其中一种CNN的使得工程化落地也可以有非常不错的效果。但我们也不能全然忽略传统简单的机器学习方法，适当平衡人工特征工程可以让模型的物理可解释性更强。当然文章本身也在可视化板块作出了可靠的解释，文章可以“自圆其说”。

绕过实验复现

靶环境项目指路：https://github.com/Antimalweb/URLNet

笔者由于工作原因，投入时间较少，复现简单粗糙，不严谨之处欢迎指正。

部署使用

  首先这个项目没有提供他们采集的数据集，大家可以使用自己的数据集进行训练。笔者用了kaggle的（45w+），网上已有非常多的开源url打标数据集，各位可自由选取。论文中写了此模型解决了大规模数据集训练的内存问题，我在这使用$10^5$级别数据量来训练，希望达到一个较好的指标，则认为模型demo已实现，找出模型自身逻辑漏洞，而不是单纯数据量层面的博弈。
  该项目tensorflow使用1.14版本，tf2+的各位请注意切换环境。

源码解析

  经过论文通读后，我们大概知道了整个模型干了什么，最终效果怎样。最后通读源码，带着问题看作者们的思路。

文件名	梗概
utils.py	数据预处理、文本向量化
train.py	执行、训练、日志记录、断点参数设置
TextCNN.py	CNN实现
auc.py	衡量模型性能各指标参数计算
test.py	训练参数设置、测试模型训练效果
demo.sh	–

  我们可以先将源码中提供的五种方法，大概跑出结果，先看看各方法的表现，再去深究原因。笔者此处使用默认参数，试用了8w+数据训练train.nb_epochs=25，测试3000余条样本，初步查看各模型准确率情况。

model.emb_mode	Accuracy
1: charCNN	0.7630617603409566
2: wordCNN	0.9246570455496784
3: char + wordCNN	0.7486728947068001
4: char-level wordCNN	0.8005727006354885
5: char + char-level wordCNN	0.625858575288253

  方法五在此数据量下的准确率只有0.62挺出乎我意料的，决定在方法五上跑完45w+数据train.nb_epochs=128，再在更大的测试集（未作去重）进行验证。结果发现准确率也没有得到很大提升。

攻击思路

  ATLAS使用URLNet架构训练http的包头数据构建出检测恶意C&C通信流量模型，最后构造样本绕过。由此也可见，该模型具有一定的泛化迁移优势。我不希望使用重型的模型去攻击对抗，此处还是针对相比之下简单一些的URL进行实验。
  正所谓自己造矛又自己造盾，自己训练的URLNet确实比较好绕过的，未来有时间会把http的包头数据构建出检测恶意C&C通信流量模型的坑填一下。

攻击结果

  由于识别准确率不高，构造出可绕过样例并不困难，大家可以自己简单尝试。若像原文一样，使用大规模的数据集训练，则需构造出训练集规则之外的，这时候，还是需要借助一些模型提取规则的方法，进行绕过。总的来说，这种识别方法个人感觉参考价值不是很高，所以就不再深入，对文本处理方法感兴趣的可以训练http的包头数据构建出检测恶意C&C通信流量模型，再来研究其中的机制。
  从物理原因处分析，url自身不代表“恶意”/“非恶意”的用途，不像恶意指令/流量，往往有其实际的作用与含义。如：一个人叫张三，现在工作是产品经理，很难单从从大规模的犯罪前科的人名+职业的信息中来学习和预测出这个人是好人还是坏人。但是如果是一个工具，比如“餐刀”，“菜刀”，“锯子”，“军刀”，“手术刀”，确实可以和某些动作实体产生联系，进而评估可造成的伤害等级。所以更推荐直接对检测恶意C&C通信流量/其他领域进行深入研究。当然，如果像DGA技术，用程序大规模生成的恶意url和域名，是可以使用ML/AI方法检出的，所以此处应用场景应该更细化，该模型的价值更高。

上述材料仅供学习，请不要攻击实际生产的AI系统！
练习请自行搭建AI靶场。

最后给大家安利一个租卡平台：
autoDL：https://www.autodl.com
一个非常好上手的平台，易用性高，帮助文档也非常详细，小白也可以快速搭建起环境，然后开始快乐炼丹。
各位老板也可以填一下我的邀请码：https://www.autodl.com/register?code=4bacd9d2-d4bf-4baf-82c9-7b935986a34d，可以获得十元代金卷试用。（也可以让我薅薅AutoDL羊毛，btw:诚心非广，本菜狗还不配）

---

1. Case Studies ↩︎